博客

果然，如今性价比才是商业竞争中最朴实的一招，AI行业也不例外。

前脚，Anthropic 刚推出 Claude Opus 5.5。

后脚，OpenAI 又为 GPT-6 家族增加了两款新模型：GPT-6 Sol 和 GPT-6 Luna。

明眼人都能看出，OpenAI 这是在针对对手的模型展开竞争：既要比跑分，也要砍价格。

但这次，OpenAI 并非简单地在 GPT-6 之下再塞两个“廉价版”。

它的策略是：能力下放，价格腰斩。

Astra 继续负责最困难、最复杂的任务；Sol 主打复杂的日常工作和 Agent；Luna 则瞄准摘要、抽取、分类、路由这类高频、标准化的任务。

Sol 和 Luna 都支持文本和图像输入，也能调用网页搜索、文件搜索、代码解释器、Computer Use、MCP 和 Skills。

也就是说，过去需要旗舰模型才能承担的一些工作，如今有了更便宜的选择。

价格战打到 DeepSeek 门口了

价格方面，Opus 刚把价格打下来，GPT 也开始重新算账。

Sol 和 Luna 的 API 标价，相比 GPT-5.6 同档促销价直接砍了 50%。

OpenAI 表示，主要原因在于缓存和推理效率的提升，而且这次价格并非限时促销，而是长期定价。

真正有意思的是 GPT-6 Luna，0.10 美元/百万输入 tokens，已经开始能与 DeepSeek-V4.1-Flash 正面交锋。

当然，DeepSeek 还有一张王牌：缓存命中价格更低。

对于 Agent 这种会反复携带同一套代码、文档、系统提示和工具定义的场景，缓存命中会直接影响最终账单。

以前 Agent 运行到一半，如果临时提高推理强度，或者调整工具配置，可能会影响此前缓存上下文的复用。

而 OpenAI 这次也在缓存机制上做了调整，现在 GPT-6 允许开发者在对话过程中调整推理力度、启用或关闭工具，同时保留已有缓存上下文。

这意味着 Agent 即便连续运行几十轮、上百轮，中途改变一次配置，也无需把前面已经处理过的大段上下文重新计算一遍。

所以，现在不能简单地说“谁的缓存更便宜”，毕竟两家的思路不同：DeepSeek 把缓存单价压得更低，OpenAI 则在提高缓存的复用效率。

价格打折，能力不打折

前面说了这么多价格，问题也随之而来：便宜是便宜了，能力有没有跟着打折？

从目前公开的几项测试来看，OpenAI 这次的思路并非单纯“牺牲性能换价格”，而是尽量以更便宜的价格获得 GPT-6 Astra 的能力。

GPT-6 Sol 最为明显，以长链路真实软件工程测试 DeepSWE 为例，GPT-6 Sol 在 max 推理强度下取得 68.8%，仅比 Claude Fable 5 的 69.9% 低 1.1 个百分点。

但按 OpenAI 的估算，其单任务成本低约 80%。

换句话说，在代码库理解、修改代码、排错等代码 Agent 工作中，你可以少花八成的钱。

在跨应用 Agent 测试 AutomationBench 中，在 xhigh 推理强度下的任务完成率为 33.2%，高于 Claude Opus 5 在 max 档的 26.9%。

成本方面，单任务成本只需 0.27 美元，Opus 5 大约是它的 11 倍。

可见，写代码、调工具、跑多步骤任务，GPT-6 Sol 能给你接近旗舰的表现，但成本更低。

GPT-6 Luna 则是另一种取舍：把足够强的代码和 Agent 能力，压到更低的成本档位。

GPT-6 Luna 在 max 推理强度下也有 66.6%，只比 Sol 低 2.2 个百分点。

但成本呢？OpenAI 说比 Claude Opus 5 低 93%，比 Fable 5 低 96%。

除此之外，长上下文和推理能力也没有被砍掉。

GPT-6 Sol 和 GPT-6 Luna 都支持约 100 万 token 上下文，最高输出 128K token。

长代码库、文档集合、多轮 Agent 状态，都可以直接放进去。

两者还支持可调的推理强度，而且比 Astra 多了一个 none 档，可以完全关闭显式推理。

简单抽取、分类、路由，直接关推理拼速度；复杂编码、跨文档分析，再把推理档位拉高。

实测：这么便宜，到底能干到哪一步？

海外开发者 Nate Herk 用 10 项真实任务让 GPT-6 Sol 和 Claude Opus 5.5 正面较量了一整天，结果是 Opus 7 胜、Sol 1 胜、两项因文件夹冲突无效。

Opus 更胜一筹的地方有很多，比如：网站设计做出了多层纵深和开罐冒烟的细节，视频剪辑有节奏有音效，3D 学习世界能逛能玩，Canva 绘图甚至比之前 Astra 的表现还接近参考图。

Sol 唯一赢的是代码审查与修复，30 项检查全过拿满分，Opus 是 29/30。

但成本差距也十分明显，Opus 花了 213 美元，而 Sol 只花了 74.46 美元。

Nate 得出的结论是：用 Opus 做创意和判断，Sol 执行明确任务，这才是比较好的使用方式。

其他博主的反馈也类似，多数场景下都是 Opus 好得多。比如下方的游戏设计，Opus 的细节明显更丰富。

还有一个更直观的同题对比，“做一个想象行星的互动网站”，Sol 10 分钟做了 3 颗行星，200 美元档只耗 1%。Opus 26 分钟端出完整太阳系，20 美元档耗 16%。行星看起来差不多，区别是 Sol 更快更省，Opus 更大更细。

博主@雪瑜也做了一组额度实测：同一道“鹈鹕骑自行车”的 SVG 动画题，Sol 和 Luna 的额度消耗都明显低于 Astra，只是便宜终归是粗糙很多。

总的来说，同一天两大巨头都在卷“性价比”，对消费者来说总归是好事，选择变多了，试错成本也低了。

毕竟不是谁都需要顶级模型，但每个人都值得一个付得起的价格。

这场价格战，恐怕会越来越精彩。

参考资料： openAI官网、X等网络平台

本文来自微信公众号 “科技狐”（ID：kejihutv），作者：狐妹，36氪经授权发布。